那些最懂大模型的人，恰恰是最不相信大模型的人。他们比任何人都清楚大模型的底牌，而那张底牌，可能让你大吃一惊。

　　AI圈最近被一组数据炸翻了。

　　一边是行业平均离职率突破35%，大厂百万年薪加期权都留不住核心算法工程师，团队刚磨合好就有人走，永远在招人永远在培训。另一边是成立仅两年的DeepSeek，核心研发团队年离职率只有3.7%，270人的技术骨干里，主动离职的屈指可数。

　　同样做AI，同样是顶尖人才，为什么差距这么大？

　　答案可能比你想象的更扎心。那些最懂大模型的人，恰恰是最不相信大模型的人。

　　01它根本不懂你在说什么

　　先澄清一件事。

　　我们每天都在和AI聊天、让它写东西、帮我们做决策，感觉它好像真的「理解了」我们的想法。但这种感觉是错的。

　　大语言模型的工作原理，是在做一件极其机械的事，根据上文猜下一个字。它调动的不是对语境和人类社会的理解，而是各字符之间的统计关系。它并不知道这些字符在现实中代表什么。

　　这就是为什么你问它一个事实性问题，它能给出听起来滴水不漏的答案，但仔细一查，全是编的。行业里管这叫「幻觉」，大模型一本正经地胡说八道。2025年，最高人民检察院专门发了一篇深度报告，讨论AI幻觉带来的法律风险。报告里提到，一些大模型生成虚假内容混淆视听，在医疗领域把皮疹诊断为恶性病变，在法律领域编造不存在的判例。中国信通院的专家在公开场合表示，大模型幻觉已成为当前人工智能最棘手的治理难题之一。

　　阿里云的工程师们更直接，他们在技术博客里写道，大模型幻觉不是能力不足的问题，而是架构性的，它根植于模型的设计原理，无法通过简单的补丁修复。

　　大语言模型就像一个黑盒，数据流入，答案流出，但内部发生了什么连工程师也说不清楚

　　你看到的「智能」，其实是一场概率游戏。大语言模型就像黑盒，它输出的结果看起来很合理，但它自己都不知道自己在说什么。人类在回答问题时，调动的是对语境和人类社会的理解。而模型在回答问题时，调动的是各字符之间的统计关系，它并不真正了解这些字符在现实中的含义。一个算法工程师跟我说过一句话，我一直记得，「你以为在和一个人聊天，其实你只是在和一张巨大的概率表对话。」

　　02最懂它的人，最不信它

　　这就回到了开头那个问题。为什么AI算法工程师的离职率这么高？

　　2025年，AI人才市场经历了一轮大洗牌。AIGC相关岗位离职率飙升至28%，到了2026年，全行业平均离职率突破35%。脉脉的数据显示，国内35岁以上程序员占比仅17.2%，意味着绝大多数算法工程师在35岁之前就已经离开了这个行业。

　　原因很简单。他们比任何人都清楚这行的天花板。

　　字节跳动的算法工程师月薪开到11万，32岁的AI算法工程师年入600万的新闻屡见不鲜。这些数字听起来很美好，但只有身在其中的人才知道代价是什么。一个在字节做大模型的朋友跟我说，他的日常工作就是调参数、跑实验、看loss曲线、再调参数、再跑实验。日复一日，像流水线上的工人。模型效果提升0.1个百分点，就是一周的成果。

　　深夜还在盯实验结果的算法工程师，高薪背后是高强度的压榨

　　更折磨人的是，他们每天在做的事，可能正在让自己变得可有可无。你训练AI写代码，AI写得越来越好。你教AI做设计，AI出图越来越快。你亲手喂养的AI，正在吃掉你的饭碗。这已经不只是职业焦虑，而是存在主义式的困惑了。

　　DeepSeek之所以能做到3.7%的超低离职率，创始人梁文峰说过一句话，不要把工程师当成调参的工具人。但讽刺的是，整个行业大多数公司就是这么干的。大厂的高薪背后，是对算法工程师的高强度压榨。项目周期紧，迭代速度快，凌晨三点还在盯实验结果是家常便饭。

　　生成式AI对大多数职业的影响不是直接替代，而是改变工作岗位所需技能、工作时间和劳动强度。算法工程师自己，就是这一判断最典型的案例。

　　03偏见藏在代码里

　　还有一个更隐蔽的问题，大多数用户根本意识不到。

　　AI不是中立的。它由人类创造，不可避免地带有创造者世界观的印记。在硅谷，AI实验室里充斥着新自由主义经济、自由至上主义、激进个人主义的气息和反工会情绪。在中国，大模型训练数据的来源、标注标准、安全策略，同样反映了开发者的价值观和立场。一个在北京做AI安全对齐的工程师告诉我，他们的工作很大一部分是在决定「什么能说什么不能说」，而这个标准本身就是一种立场。

　　这不是什么阴谋论，是工程事实。大语言模型的训练数据来自互联网，而互联网本身就是人类社会的一面镜子，照出的是偏见、歧视和不平等。当模型学习这些数据时，它不只是学会了语法和知识，也学会了放大偏见。

　　生成式AI还会放大偏见，强化刻板印象。这些负面影响在金融、住房、社会福利、司法等关键领域尤为显着，直接影响人们的生活质量和基本权利。在国内，招聘平台上AI筛选简历时的性别和年龄偏见已经被多次曝光。外卖平台算法对骑手的压迫感，说到底也是偏见的一种，不是对人的偏见，而是对人的处境的漠视。

　　多家研究机构都验证过同一个结论，运用AI在招聘过程中消除种族和性别偏见的努力，效果微乎其微。因为AI系统本身就是从有偏见的历史数据中学习的，你给它喂什么数据，它就学什么偏见。从筛选简历到确定面试名单、进行面试、评估性格和最终评估，各个招聘阶段都有AI系统的参与，但偏见并未因此消失，反而被技术包装得更难以察觉。

　　一个更深的困境，技术来源于人类，它由人类创造，并且不可避免地带有创造者世界观的印记。技术类似于数学，它受到抽象的普遍规律的支配，不受主观观点影响。从这个角度看，技术只是解决问题的工具，不涉及立场问题。但仔细观察，又会发现这些技术里面包含着微妙的价值观和人类欲望，体现了知识和权力体系因素。因此，AI是社会环境的产物，它的发展受经济因素影响，也受机器学习工程师和更广泛的社会文化观念的影响。如果我们认为AI技术是中立且无偏见的，就会过度依赖它来做决策，而这些决策可能会掩盖算法黑盒内的隐性偏见。

　　04代码之上

　　写代码的人比谁都清楚这些局限。

　　他们知道大模型只是在猜词。他们知道模型会在关键问题上翻车。他们知道偏见藏在数据里。但他们还是每天在写代码、调参数、跑实验，因为这是他们的工作，因为整个行业都在往前冲，没人敢停下来。

　　AI算法工程师们是这个行业最矛盾的一群人。他们享受着最高的薪资，承受着最大的压力，同时又对自己的作品保持着最清醒的怀疑。一个32岁年入600万的算法工程师在采访中说了一句话，「不敢躺平。你永远不知道下一波技术迭代会不会让你掌握的技能变成废纸。」

　　下次用AI写文案、画图、写代码的时候，不妨想一下。那个在背后训练模型的人，他可能比你更不相信这东西。